模型能力评测

重点更新

Tibo 表示，模型的方向调整功能（steering）已改为即时响应：用户在模型执行过程中调整要求，模型能更快跟进，实时纠正方向，减少沿错误方向继续投入的工作。他同时宣布发布 GPT-6.1 Sol ultrafast，并称它与这项改进配合良好。

查看资料

GPT-6发布说明

OpenAI10/08

Intelligent UI 进入日常聊天

OpenAI 在 ChatGPT 全球推出带 Intelligent UI 的 GPT-6，今天覆盖 Plus、Pro、Business 和 Enterprise，明天起扩展至 Free 与 Go。Plus、Pro、Business 和 Enterprise 使用 GPT-6 Sol，Free 与 Go 使用 GPT-6 Luna；此次更新仅适用于 Chat tab，Work 和 Codex 的模型不变。

查看资料

Gemini 3.8 Live发布说明

Google DeepMind09/25

边调用工具，边进行音视频交流

Google 于9月24日推出 Gemini 3.8 Live with Live Avatar，结合近实时视频生成与语音，在后台异步调用工具时可继续交流。官方称其支持97种语言，当日已在 Gemini Enterprise 提供；自定义 Avatar 可由参考图生成，但创建目前仅向企业白名单开放。音视频输出包含 SynthID 水印，尚未宣布向免费个人用户普遍开放。

查看资料

语言对话 · Arena ↗2026-10-08

granite-3.0-2b-instruct

关闭详情

ibm · 语言对话 · 2026-10-08

Arena 评分: 1156.6
来源名次: 369
对战票数: 6,837
评分区间: 1148.3–1165.0

偏好评分；区间重叠时差异未必稳定。

模型许可：Apache 2.0。

原始成绩 ↗

414 个模型

语言对话公开偏好成绩，2026-10-08
模型／机构	Arena 评分	对战票数
openhermes-2.5-mistral-7b#361 ·	1175.91166–1186	5,006
vicuna-33b#362 ·	1172.91167–1179	22,479
phi-3-small-8k-instruct#363 · microsoft	1171.11165–1177	17,766
starling-lm-7b-beta#364 ·	1171.01164–1178	16,056
llama-2-70b-chat#365 · meta	1170.61165–1176	38,492
starling-lm-7b-alpha#366 ·	1167.41159–1175	10,224
llama-3.2-3b-instruct#367 · meta	1166.81159–1174	7,936
nous-hermes-2-mixtral-8x7b-dpo#368 ·	1164.41153–1176	3,777
granite-3.0-2b-instruct#369 · ibm	1156.61148–1165	6,837
llama2-70b-steerlm-chat#370 · nvidia	1154.71142–1167	3,585
qwq-32b-preview#371 · alibaba	1154.31143–1166	3,231
solar-10.7b-instruct-v1.0#372 ·	1152.41139–1166	4,155
dolphin-2.2.1-mistral-7b#373 ·	1152.31137–1168	1,679
mpt-30b-chat#374 ·	1150.71139–1163	2,572
wizardlm-13b#375 · microsoft	1149.51140–1159	7,044
mistral-7b-instruct-v0.2#376 · mistral	1149.41143–1156	19,402
falcon-180b-chat#377 ·	1148.11131–1165	1,295
qwen1.5-7b-chat#378 · alibaba	1143.81134–1154	4,737
phi-3-mini-4k-instruct-june-2024#379 · microsoft	1143.11137–1150	12,297
vicuna-13b#380 ·	1141.51135–1148	19,367

数据来源

Arena · CC BY 4.0 · 固定版本

用户偏好评分，非正确率。下方小字为置信区间；临时成绩状态见原榜。本站选取 overall 分类、翻译字段并舍入显示，原始值保留。

每日 08:30 同步 · 最近成功：2026/10/12 08:29（北京时间）

历史专项测试：MMLU-Pro / GenEval

执行中调整方向，即时响应

Intelligent UI 进入日常聊天

边调用工具，边进行音视频交流